在TensorFlow的文档中（softmax_cross_entropy_with_logits），他们提到”logits : 未缩放的对数概率”。什么是’对数概率’？首先，我理解'logits'是'归一化前的输出'或者'类别的得分'。

logits = tf.matmul(X,W) + b
hypothesis = tf.nn.softmax(logits)

如果我通过tf.matmul(X,W) + b得到[1.5, 2.4, 0.7]，那么[1.5, 2.4, 0.7]就是logits(得分)，这是未缩放的。我能理解到这一步。但是，我不明白为什么[1.5, 2.4, 0.7]被称为'对数概率'。

回答：

感谢大家！

我找到了这个帖子，它提供了接近我问题的答案。